0 引 言
农业产业链现代化的主要先导力量，既是加快提升中国农业产业结构、谋求化解“三农”问题的重要途径，也是稳步推动实施乡村振兴战略的重要一环。2025年1月中共中央、国务院印发了《乡村全面振兴规划（2024—2027年）》指出“优化农业产业链组织方式，培育农业产业化龙头企业，支持企业协同共建产业链供应链”，并强调“延长农业产业链条”，要加快不同农业产业链条的发展进程。然而，如何有效提升农业产业链控制力和影响力［1］以及农业产业链契合程度［2］，迫切需要寻找农业产业链现代化的新动力。近年来，随着新一代信息技术与产业融合程度进一步加深，“数字化”与物流产业呈现深度融合的趋势，数字物流起着联系生产与分配、流通与消费的重要作用［3］。作为先进物流模式的代表实例，数字物流凭借先进技术，能平稳推进农业产业链与创新链、资金链、人才链深度融合，进一步促进农业产业链达成高端化、智能化、绿色化的转型。因此，深入分析数字物流与农业产业链现代化的内在机制、空间溢出效应规律，以及区域差异化，对于促进农业农村现代化以及乡村振兴具有实践意义。
数字物流在数字技术背景下，在当前的物流活动进程中应用物联网技术［4］、信息技术［5］和物流技术［6］，来实现生产作业流程的优化及实体物流的集成化管理。由于数字物流是把数字技术进步作为核心的新型物流形态，有研究者分别从物流业的投资规模、产出水平、信息化水平3个方面进行测算分析［7］得出互联网普及率［6］、物流产业增加值［8］和区域经济发展［7］均对物流业信息化产生显著促进作用。农业产业链作为达成农业农村现代化的关键一步，学者对农业产业链现代化开展研究，指出农业产业链现代化拥有高端的引领能力，产业基础坚实，产业链附加值高，并且具有较强的可持续发展能力［9］。也有学者指出农业产业链现代化体现在创新能力更强、附加值更高，自主可控性强，产业链运转协调顺畅等方面［10］。根据农业产业现代化内涵，构建了评价指标体系，并多采用熵值法来进行计算，同时对阻碍因素进行了分析［11］。
数字经济作为新一代科技和产业革命在促进农村现代化进程中最重要的工具之一，在农业生产、流通、销售和服务业等方面发生了变革［12］，学界针对数字经济方面以及农业产业链现代化问题做探索性研究。主要包括数字平台［13］、数字基础设施建设［14］，以及数字乡村［15］等对农业产业链现代化的影响研究，结论均有助于农业产业链现代化水平提高。随着人工智能、机器学习等技术稳步提升，普遍看好数字物流未来的发展前景，被认定会引领物流行业未来的革新，部分学者同样就数字物流对产业链现代化的影响开展了一定探究，数字物流借助引入大数据、云计算等现代信息技术，实现了物流资源的合理配置与高效化运用，不仅推动了物流行业整体运作效率上扬，更从宏观层面促进产业结构优化升级［16］。数字物流凭借搭建信息化、智能化的物流平台，促进产业链上下游企业之间的信息共享及协同作业，有利于提高整个供应链的响应速度与灵活性，数字物流的发展带动物流业跟其他产业的深度融合及创新发展，通过跟生产、销售等环节紧密结合，数字物流拉动产业间的跨界融合协同发展［17］，于是拓宽了产业链现代化的发展空间。
综上所述，既往研究为理解农业产业链现代化提供了理论参考与实证借鉴，但仍存在可拓展的空间：一是需明确数字物流对农业产业链现代化的影响效应与传导路径，厘清数字物流通过何种机制影响农业产业链现代化。二是数字物流打破传统的地理界限，通过数据、技术和资源的跨区域流动，将各地物流系统紧密地联系在一起，使得数字物流的发展对周围区域农业产业链现代化发展产生空间溢出效应。为此，本研究基于2011—2023年280个地级市的面板数据进行实证研究，核心内容包括：一是在研究视角上，将数字物流与农业产业链现代化纳入同一研究框架，并对二者的关系进行分析，丰富数字物流对农业产业链现代化的相关研究；二是构建了数字物流与农业产业链现代化的理论分析框架，深入剖析和实证检验农业劳动生产率、市场可达性以及创业活跃度的作用渠道，一定程度上打开了“机制黑箱”；三是实证分析了数字物流对农业产业链现代化的空间溢出效应，为更有效地充分发挥农业产业链现代化的作用，制定相关政策提供参考依据，并进一步分析了数字物流对农业产业链现代化影响的空间溢出边界，有助于针对性地强化和提升数字物流的功能，从而更有效地提升农业产业链现代化。
1 理论分析与研究假设
1.1 数字物流对农业产业链现代化的影响
赫希曼提出的前向产业关联效应指出：“任何并非唯一为满足最终需求而开展的活动，会产生利用其产品作为新生产活动投入的意图”，即通过应用其产品和服务会引发一系列新的部门和产业出现。随着传统物流业逐渐在物流运输的全过程实现数字化变革，利用大数据，数字技术的数字物流逐渐成为各产业发展的新动能，未来发展趋势也必定将与农业深度结合［18］。数字物流通过对农产品流通进行高效赋能，来促进农业产业链现代化发展。具体来看，在物流运输中，数字化技术的应用有助于实现农产品产业链各环节的信息共享和协同运作，提高产业链的敏捷性和响应能力［19］。在物流运输过程中，物流信息化和智能化的发展可以有效缩减中间环节［20］、优化运输路线、降低物流损耗和运营成本。而在物流输送完成后，借助大数据分析，能够精准评估物流服务的质量和效果，从而为后续农业决策提供有力的数据支持，因此，提出假设1。
假设1：数字物流对农业产业链现代化具有促进作用。
1.2 数字物流对农业产业链现代化的影响机制
数字物流是数字技术与传统物流融合的新形态。数字物流的规模效应和普惠效应凸显［21］，农村地区开始打破信息传播障碍，逐渐削弱了由地区经济发展水平差异导致的数字鸿沟［22］，提高了农村地区的信息可获取性，有助于缓解资源要素错配问题。具体来说，数字物流能为农村物流提供大量的数据要素，涵盖了交通流量、货物运输需求、货源等信息，物流主体能更好地把握农村地区的物流需求以及资源分布状况，由此优化运输路径、提升资源运送效率，数字化平台是促进农村物流效能的关键。把数据要素整合进物流信息平台，集结多方资源，有效对接城乡物流需求和服务给予，增强物流信息的透明度与可视化水平，促进货物的追踪监控、订单管理、信息交互，实现农村资源要素配置的时效性，以及运输成本的优化提升，电子零售能够降低偏远和落后地区的居民买卖支出，以及寻找工作的搜索成本，增加本地资源的使用效率和周转速度，加快地区经济快速发展，缩小与发达地区间的差距，并提供了一种突破“地理劣势陷阱”的新模式。资源要素配置水平的提高可加速劳动分工精细化，推动社会资源重新分配，有效保障农业产业生产、分配、流通、消费等环节有效衔接，促使农业产业链形成动态平衡，进一步助力农业产业链上下游延伸，进而提高农业产业链现代化水平，因此，提出假设2。
假设2：数字物流通过缓解资源要素错配，从而有效推动农业产业链现代化。
数字物流的完善能够有效缩短资本、劳动力等多种生产要素跨区域流通时间，并且能够降低本地产业获得信息的成本，提升市场可达性［23］。在要素配置方面，数字经济通过为各类要素资源集聚、转移和应用创造便利条件，促进了各类要素资源的流动，带来要素资源的精准配置和优化组合，使各类要素资源快速地配置到效率最优点，提升市场可达性。在成本节约方面，数字物流提高流通效率能够有效节约买卖双方的信息搜寻成本，提升买卖双方的搜寻匹配效率。买方企业以更低的信息成本在交易过程中获取高质量中间品，卖方企业以更低的信息成本达成销售合约，实现了降低消费信息搜寻成本、信息沟通成本、融资成本、经营管理成本，提升流通效率。随着市场可达性的提升，让农业跟其他产业的信息传送变得更为流畅、迅速，加快了知识传播跟积累的速度，处在这个环境里面，农业可借鉴供应链上下游合作方的先进管理经验及技术，实现技术的共同分享，这有利于农业以较低的研发成本增进自主创新能力，实现产品多样化，提高产品技术的复杂层级，还可借助较低的研发成本实现技术创新。在获取合作伙伴先进技术的这个时候，企业为在激烈的市场竞争环境下获得竞争领先地位，会扩充研发投入的力度，加大研发投入可提升农业创新能力，增加研发成果转化的效率，增加产品附加值［24］，进而实现农业产业链现代化程度的提高，随着市场可接近性的增强，国内统一大市场优势正逐步培育形成，去除区域间的贸易阻碍，带动国内市场竞争愈加激烈［25］，能逼迫农业不断革新生产工艺，提升自主创新本事，进而提升农业产业链现代化，因此，提出假设3。
假设3：数字物流通过市场可达性对农业产业链现代化产生促进作用。
数字物流能够通过创业活跃度来影响农业产业链现代化。在线平台物流公司通过对其上游供应环节（原材料采购）、中游制造环节（过程控制）、下游供应链环节（库存管理、市场营销、最终交付等）资源的深度整合，与制造业伙伴建立了紧密的战略关系，为当地劳动力市场创造了多样的工作机会［26］。而且由于以技术方式为主导，因此物流产业的发展会自动催生出与数据、自动化生产等因素有关的高薪岗位及发展机会。这样一种趋势就激励工人去发展他们的数字技能并开创事业方向。与此同时，物流业的数字化推动使企业感受到了竞争压力，促进企业保持超强的创业热情，积极创新。增强农业创业活跃度，改善乡村创业环境，吸引青年农民工、高校毕业生这类人群回乡入乡创业，把城市的“新力量”逆向输送到乡村，激励新农人借创业带动乡村就业，为农业产业链现代化输送人才，增强农业创业活跃度可提升农村流动人口就业质量，为农村企业发展带去前沿的技术与管理经验［27］，推动农村电商、乡村旅游等新兴产业与新业态诞生，给农业产业链现代化灌入新活力，因此，提出假设4。
假设4：数字物流通过提高农业创业活跃度促进农业产业链现代化。
2 数据来源
研究对象为2011—2023年中国280个地级市，其数据来自《中国城市统计年鉴》、中经数据网（https://ceidata.cei.cn），还包括各地政府统计公报另外，为保证获得的数据更加完整，本研究还借助线性差值或均值差值法进行了缺失数据的补全。
3 研究方法
3.1 变量选取
3.1.1 被解释变量
表1 农业产业链现代化水平指标体系Table 1 Indicator system for the modernization level of the agricultural industrial Chain |
| 一级指标 | 二级指标 | 方向 | 权重 |
|---|---|---|---|
| 创新性 | 农业专利授权数 | + | 0.220 |
| 第一产业科研人员 | + | 0.139 | |
| 高端性 | 有效灌溉率 | + | 0.069 |
| 单位面积农业产值 | + | 0.091 | |
| 农业机械动力水平 | + | 0.071 | |
| 单位面积粮食产量 | + | 0.018 | |
| 协同性 | 城镇化率 | + | 0.018 |
| 城乡居民收入比 | – | 0.020 | |
| 农业发展成果共享度 | + | 0.185 | |
| 可持续性 | 农药、化肥施用量 | – | 0.046 |
| 人工造林面积 | + | 0.115 | |
| 自主可控性 | 农业产值占比 | + | 0.007 |
| 农业产业链完整性 | + | 0.001 |
3.1.2 解释变量
表2 数字物流评价指标体系Table 2 Digital logistics evaluation index system |
| 一级指标 | 二级指标 | 方向 | 权重 |
|---|---|---|---|
| 物流投入能力 | 物流业固定资产投资额 | + | 0.094 |
| 物流业从业人员 | + | 0.191 | |
| 公路里程 | + | 0.042 | |
| 物流产出能力 | 货运量 | + | 0.062 |
| 物流产业增加值 | + | 0.114 | |
| 物流数字化创新能力 | 互联网宽带接入用户 | + | 0.014 |
| 电子商务交易活动企业数 | + | 0.151 | |
| 电子商务销售额 | + | 0.332 |
3.1.3 中介变量
（1）资源要素配置。依照李青原和章尹赛楠［32］的研究结论，运用资源错配指标来评估各城市要素市场的扭曲程度，具体测算过程如下：首先，构建柯布-道格拉斯生产函数（C-D函数）并进行对数转换，得到公式（1） 如下：
式中：Y表示为国内生产总值；K表示为资本要素；L表示劳动力要素；c为常数项；α为资本要素对国内生产总值的影响系数；β为劳动力要素对国内生产总值的影响系数。
首先，其资本和劳动的边际产出分别为αY it/K it、βY it/L it。资本产出弹性系数α和劳动产出弹性系数β通过柯布-道格拉斯生产函数回归分析确定。其次，若资本价格为r、劳动价格为w，通过分析要素边际产出与其实际价格的偏离程度来量化市场扭曲效应，分别为公式（2） 和公式（3） 。
同时将资本和劳动力两大要素的扭曲状况纳入统一考量框架，得到总的市场扭曲程度distit，如公式（4） 所示。
再次，在模型运算过程中，各城市的具体数值被代入后，获得了反映要素distit。其中，资本价格r设定为10%，该数值是5%的资本折旧率与5%实际利率的加权平均值；劳动报酬w则采用各城市当年就业人员平均工资数据。各城市资源配置效率的替代变量，通过将distit 数值与当年所有城市中的最大值进行标准化处理获得。
M=
式中：Nit 表示城市i在t期的人口总数量；θ表示市场的贸易弹性；τijt 代表城市i到j在t年的运输成本；timeijt 表示将产品从城市i运输到j所消耗的最短时间；ρ为运输消耗的时间对运输成本的影响系数，参数设定按照现有文献方法［23］。将θ设定为8.22、ρ设定为0.008。
（3）创业活跃度。参照白俊红等［34］的研究，取每万人新设企业的数量来度量地区创业活跃程度，表明地区创业活跃度高。
3.1.4 控制变量
经济发展水平选取各城市人均GDP并取对数表示；对外贸易开放度指标采用进出口贸易总额占GDP比重的方式进行测算；基础设施建设选取人均道路面积表示；工业化进程采用第二、三产业增加值之和与第一产业增加值之比来表示。
3.2 模型设定
3.2.1 基准回归模型
为考察数字物流对农业产业链现代化的影响，并控制个体与时间效应，本研究建立面板固定效应模型作为基准。该模型旨在初步识别影响效应的存在性与方向，为后续深入分析奠定基础，具体如公式（7） 所示。
式中：i表示各地级市；t表示年份；F表示农业产业链现代化；S表示数字物流；X表示控制变量；μt 表示时间固定效应；γi 表示个体固定效应； 表示随机扰动项。
3.2.2 中介效应模型
为检验数字物流驱动农业产业链现代化的具体路径，建立中介效应模型，如公式（8） 所示。
式中：Zit 表示中介变量；β 1和β 2表示数字物流对中介变量的影响；其他变量与公式（7） 式相同。
4 结果与分析
4.1 基准回归分析
表3汇报了基准回归结果。第（1）列展示了还未引入控制变量时的回归分析结果，而第（2）列显示的是包含控制变量后的回归分析结果，不论是否添加控制变量，数字物流对农业产业链现代化的影响体现为正向，表明数字物流与农业产业链现代化之间存在正向的关联，假设H1得到证实。究其原因在于数字技术具备高效化、智能化，以及一体化的特点，其在物流领域的深度应用能够提升物流运作效率与服务质量，从而为农业生产供应链的升级发展提供有力支撑。
表3 数字物流影响农业产业链现代化的基准回归结果Table 3 Benchmark regression results of the impact of digital logistics on the modernization of the agricultural industry chain |
| 变量 | （1） | （2） |
|---|---|---|
| 农业产业链现代化 | 农业产业链现代化 | |
| 数字物流 | 0.094*** | 0.112*** |
| （4.56） | （5.40） | |
| 经济发展水平 | -0.003*** | |
| （-3.49） | ||
| 基础设施建设 | 0.002*** | |
| （2.98） | ||
| 工业化进程 | -0.001*** | |
| （-5.62） | ||
| 对外贸易水平 | -0.002* | |
| （-1.81） | ||
| 常数项 | 0.049*** | 0.049*** |
| （60.24） | （20.72） | |
| 个体固定 | Y | Y |
| 时间固定 | Y | Y |
| 样本量 | 3 640 | 3 640 |
| R 2 | 0.776 | 0.780 |
|
4.2 稳健性检验
为更进一步说明模型的有效性，采用了多种方法来进行稳健性检验，具体见表4：1）更换被解释变量的测算方法。利用主成分分析方法对农业产业链现代化进行评估，并据此重新进行了实证回归分析；2）调节变量时间，考虑到2020年后受到新冠疫情的影响，这里将范围缩小到2011—2019年，重新进行回归；3）删除省会和直辖市城市。城市经济包含众多要素，也有重要的创新资源，这些经济要素和资源的分布不协调情况表现为省会城市和非省会城市，因此，本研究将省会及直辖市城市剔除，保证样本的均衡性。4）控制其他政策影响。考虑到在样本选择时期内国家出台了诸多政策，可能会对农业产业链现代化产生影响，从而影响本研究的最终结论，因此在控制变量中加入是否是“宽带中国”示范城市、国家创新型城市、低碳城市与智慧城市试点城市，以此控制相关政策对农业产业链现代化的影响。5）采用面板分位数回归对模型进行估计，对农业产业链现代化不同水平下，数字物流对农业产业链现代化的进行分析，面板分位数回归结果如表5所示。分别选择25%、50%和75%这3个分位点，分别代表农业产业链现代化的低水平、中水平和高水平，由面板分位数回归结果可知，在农业产业链现代化的不同水平阶段，数字物流对农业产业链现代化皆呈现出明显的推动效应，且随着农业产业链现代化水平的增高，数字物流对农业产业链现代化的推动作用越强。上述结果表明基准回归结果的稳健性得到验证。
表4 数字物流影响农业产业链现代化的稳健性检验Table 4 Testing the stability of the modernization of the agricultural industry chain affected by digital logistics |
| 变量 | 替换被解释变量 | 调节变量时间 | 去除省会以及直辖市城市 | 控制其他政策影响 |
|---|---|---|---|---|
| 数字物流 | 1.695*** | 0.299*** | 0.088*** | 0.093*** |
| （8.02） | （10.74） | （4.10） | （4.34） | |
| 常数项 | 0.820*** | 0.047*** | 0.049*** | 0.048*** |
| （33.05） | （16.92） | （25.85） | （20.14） | |
| 控制变量 | Y | Y | Y | Y |
| ind | Y | Y | Y | Y |
| time | Y | Y | Y | Y |
| 样本量 | 3 640 | 2 615 | 3 250 | 3 640 |
| R 2 | 0.843 | 0.831 | 0.754 | 0.781 |
表5 数字物流影响农业产业链现代化的面板分位数回归结果Table 5 Panel quantile regression results of the impact of digital logistics on the modernization of the agricultural industry chain |
| 农业产业链现代化 | |||
|---|---|---|---|
| 农业产业链现代化低水平 | 农业产业链现代化中水平 | 农业产业链现代化高水平 | |
| 数字物流 | 0.333*** | 0.431*** | 0.519*** |
| （33.77） | （41.09） | （33.25） | |
| 控制变量 | Y | Y | Y |
| 常数项 | 0.033*** | 0.036*** | 0.046*** |
| （24.49） | （25.25） | （21.55） | |
| 样本量 | 3 640 | 3 640 | 3 640 |
4.3 内生性检验
为了检验回归分析中可能出现的内生性问题，本研究采用工具变量法开展相关研究。一方面，上一期的数字物流水平会影响本期的应用效果，但本期的农业产业链现代化状况无法对上一期的数字物流发展产生反馈作用。另一方面，每万人邮政业务营业网点数作为数字物流发生前的数字化经济发展阶段，反映该时期的物流状况，与当前的农业产业链现代化指标没有直接的因果联系。因此，使用滞后一期数字物流和每万人邮政业务营业网点数作为工具变量。表6结果显示，在考虑变量内生性后，滞后一期数字物流以及每万人邮政业务网点数作为工具变量，数字物流的系数仍显著为正，再次验证了基准回归结论的可靠性。
表6 数字物流影响农业产业链现代化的内生性检验Table 6 Endogeneity test of the impact of digital logistics on the modernization of the agricultural industry chain |
| 变量 | 数字物流 | 农业产业链现代化 | 数字物流 | 农业产业链现代化 |
|---|---|---|---|---|
| L. 数字物流 | 0.822*** | |||
| （37.80） | ||||
| 数字物流 | 0.046* | 0.514*** | ||
| （1.83） | （2.21） | |||
| 每万人邮政业务营业网点数 | 0.015*** | |||
| （2.91） | ||||
| 控制变量 | Y | Y | Y | Y |
| 个体固定 | Y | Y | Y | Y |
| 时间固定 | Y | Y | Y | Y |
| 常数项 | 0.004*** | 0.091*** | 0. 443*** | 0.022 |
| （11.97） | （22.06） | （12.3） | （0.19） | |
| 样本量 | 3 340 | 3 340 | 3 640 | 3 640 |
| R 2 | 0.985 | 0.806 | 0. 923 | 0. 938 |
4.4 异质性分析
表7 数字物流影响农业产业链现代化的异质性分析Table 7 Heterogeneity analysis of the impact of digital logistics on the modernization of the agricultural industry chain |
| 粮食产区 | 非粮食产区 | 高农业产业集聚 | 低农业产业集聚 | 南方 | 北方 | |
|---|---|---|---|---|---|---|
| 数字物流 | 0.082*** | 0.084*** | 0.067** | 0.025 | 0.140*** | 0.034 |
| （2.94） | （6.52） | （2.15） | （0.91） | （4.25） | （1.42） | |
| 常数项 | 0.050*** | 0.053*** | 0.049*** | 0.061*** | 0.046*** | 0.054*** |
| （17.02） | （12.62） | （20.32） | （8.82） | （10.38） | （22.53） | |
| 时间固定 | YES | YES | YES | YES | YES | YES |
| 个体固定 | YES | YES | YES | YES | YES | YES |
| 控制变量 | YES | YES | YES | YES | YES | YES |
| R 2 | 0.770 | 0.819 | 0.726 | 0.852 | 0.754 | 0.859 |
| 样本量 | 2 197 | 1 443 | 2 288 | 1 352 | 1 976 | 1 664 |
| 组间差异 | 0.093 （P=0.70） | 0.114 （P=0.020） | 0.163 （P=0.000） | |||
4.4.1 粮食产区异质性
4.4.2 农业产业集聚异质性
4.4.3 区域异质性
4.5 机制分析
基于前文分析，数字物流对农业产业链现代化的促进作用主要通过提高资源配置效率、市场可达性以及创业活跃度3种途径实现，为检验上述机制，本研究采用中介模型进行实证分析，回归结果如表8所示。
表8 数字物流影响农业产业链现代化的机制检验Table 8 Mechanism examination of how digital logistics affects the modernization of the agricultural industry chain |
| 变量 | 资源配置效率 | 市场可达性 | 创业活跃度 |
|---|---|---|---|
| 数字物流 | -5.505*** | 0.489** | 1.530*** |
| （-7.59） | （2.08） | （4.94） | |
| 常数项 | 0.854*** | 0.313*** | 0.601* |
| （28.86） | （32.71） | （1.74） | |
| 控制变量 | Y | Y | Y |
| 时间固定 | Y | Y | Y |
| 个体固定 | Y | Y | Y |
| R 2 | 0.839 | 0.729 | 0.482 |
| 样本量 | 3 640 | 3 640 | 3 640 |
1）资源配置效率的机制检验。数字物流对资源错配指数的回归系数为负，且通过1%水平的显著性检验，表明数字物流有助于缓解资源错配现象，提升资源配置效率，假设2成立。数字物流能够破除产业间存在的“信息孤岛”，加强农业与第二、三产业之间的联系，推动农业内部管理方式从经验驱动型向数据驱动型转变，促进农业数字化转型，提高资源利用率，从而实现资源配置优化。资源配置效率的提高，有助于实现农业产业链前、中、后端的高效衔接，推动产业链向高效能方向升级，从而赋能农业产业链现代化发展。
2）市场可达性的机制检验。数字物流对市场可达性的回归系数为正，表明市场可达性在数字物流影响农业产业链现代化发展过程中发挥中介作用，假设3得证。原因可能是，数字物流通过对路径优化提高车辆的满载率和配送效率，降低交通运输成本。数字物流平台利用大数据，将闲置的运力与需要运输的货物高效匹配，大大降低了信息搜寻成本，从而提高市场可达性。市场可达性通过市场边界扩大，使得农业进入市场竞争之中，提升农业创新能力，进而实现农业产业链现代化。
3）创业活跃度的机制检验。数字物流对创业活跃度的回归系数显著为正，表明创业活跃度是数字化物流影响农产品供应链现代化发展的中介变量，假设4得证。数字物流通过数据透明化降低了创业的决策风险，使创业活动从过去那种“高门槛、高投入、高风险”，转变为一种“低门槛、快响应、可迭代”模式转变，从而整体上提升区域创业活跃度。创业活跃度的提升为农业领域注入创新活力。
5 拓展性分析
5.1 空间计量模型的设定
空间计量模型既能发现农业产业链现代化的空间相关性，也能识别出可能存在的空间溢出效应， 因而在空间误差、空间滞后和空间杜宾中加入数字物流，构建如下模型，如公式（9）~公式（10） 所示。
式中：P表示空间滞后系数，反映农业产业链现代化是否存在空间联系 表示不受其他变量影响的数字物流对农业产业链现代化产生的影响； 表示周围地区对本地所产生的空间溢出效应 表示空间权重矩阵，采用地理距离矩阵其余变量与公式（4） 相同。
5.2 模型选择
采用似然比检验（Likelihood Ratio Test）和沃尔德检验（Wald Test）来考察空间杜宾模型是否可能简化为空间滞后模型模型或空间误差模型模型，详细结果如表9所示。
表9 数字物流与农业产业链现代化空间计量模型的Wald检验和LR检验结果Table 9 Study on spatial econometric model of digital logistics and modernization of agricultural industry chain： Wald test and LR test results |
| 模型选择 | Wald检验 | LR检验 | ||
|---|---|---|---|---|
| 检验结果 | P值 | 检验结果 | P值 | |
| SDM与SAR | chi2（4）=46.49 | 0.000 | chi2（4）=29.72 | 0.000 |
| SDM与SEM | chi2（4）=52.09 | 0.000 | chi2（4）=32.73 | 0.000 |
根据Wald检验和LR检验结果，应使用空间杜宾模型检验数字物流对农业产业链现代化空间溢出效应。
5.3 实证结果
在进行空间计量分析之前，对农业产业链现代化进行空间自相关检验，结果发现农业产业链现代的全局莫兰指数为正值，并且大部分都通过1%水平上的显著性检验，说明农业产业链现代具有明显的正向空间自相关性。
表10报告了全样本下空间杜宾模型模型的估计结果。直接效应中的数字物流系数显著为正。说明本地区数字物流与农业产业链现代化呈现促进作用，该结论与基准回归一致。间接效应数字物流的回归系数显著为负，表明本地数字物流发展对邻近地区农业产业链现代化产生负向的空间溢出效应。
表10 数字物流影响农业产业链现代化的空间杜宾模型及系数分解结果Table 10 Spatial Durbin model and coefficient decomposition results of the impact of digital logistics on the modernization of the agricultural industry chain |
| 变量 | 农业产业链现代化 | ||
|---|---|---|---|
| 直接效应 | 间接效应 | 总效应 | |
| 数字物流 | 0.361*** | -3.367** | -3.005* |
| （31.02） | （-2.00） | （-1.78） | |
| P | 0.780*** | 0.780*** | 0.780*** |
| （14.07） | （14.07） | （14.07） | |
| 控制变量 | YES | YES | YES |
| 时间固定 | YES | YES | YES |
| 个体固定 | YES | YES | YES |
| 样本量 | 3 640 | 3 640 | 3 640 |
| R 2 | 0.134 | 0.134 | 0.134 |
5.4 空间溢出效应的地理边界
以100 km作步长依次进行估量，并记录数字物流集聚产生的空间溢出效应与95%置信区间，横轴为地理距离，纵轴为空间溢出效应，具体见图1。结果显示，在地理距离由0 km增大到600 km时，数字物流的空间溢出效应出现了良性变化，对邻近农业产业链现代化从抑制作用转变为促进作用。直到地理距离增加到800 km，数字物流对邻近农业产业链现代化的促进效应最为显著。当地理距离超过800 km时，数字物流对邻近城市农业产业链现代化的促进效应逐渐衰减。空间溢出效应随地理距离变化的原因可从以下两方面加以解释。第一，竞争与扩散效应的阶段性主导。在较短距离内（100~ 600 km），数字物流资源主要向核心城市集聚，对周边地区形成竞争性虹吸，表现为负向溢出；随着距离扩大，核心城市的辐射和扩散效应逐渐增强，技术、信息和资源开始向周边外溢，正向效应逐步显现并占据主导。第二，空间衰减规律的作用。当距离超过800 km后，地理阻隔导致信息传递、技术扩散和物流协作的成本显著上升，数字物流的辐射能力受到削弱，正向溢出效应因此呈现递减趋势。空间溢出效应的结果表明，数字物流对农业产业链现代化的空间溢出效应存在显著的地理距离门槛，政策制定需关注这一非线性特征。
6 结论与对策建议
基于2011—2023年280个地级市的面板数据，探究数字物流对农业产业链现代化影响，并从资源配置效率、市场可达性以及创业活跃度讨论数字物流对农业产业链现代化的作用机制。研究发现：1）数字物流对农业产业链现代化存在显著的正向效应；2）机制检验表明，数字物流能够通过提高资源配置效率、市场可达性以及创业创新活跃度推动农业产业链现代化，即资源配置效率、市场可达性以及创业创新活跃度在数字物流与农业产业链现代化的关系中发挥了中介效应；3）数字物流对农业产业链现代化具有异质性影响。从粮食产区异质性来看，非粮食主产区地级市数字物流对农业产业链现代化的促进作用表现出更强的效果；从农业产业集聚异质性，高农业产业集聚地数字物流对农业产业链现代化的促进作用表现出更强的效果；从区域差异来看，数字物流对南方农业产业链现代化的促进作用表现为正向作用；4）数字物流发展会促进本地区的农业产业链现代化数字物流对农业产业链现代化的空间溢出效应随着地理距离发生变化，0～600 km时，数字物流对农业产业链现代化的呈现出积极的空间溢出效应，800 km以后正向空间溢出效应开始减弱。
基于上述结论，本研究提出如下政策建议。
1）强化数智技术赋能。数字物流深度融合物联网、区块链与人工智能技术，构建农产品供应链体系。利用数字技术对农产品生产、加工、仓储、运输的全过程数据进行采集与记录，实现从“田间到餐桌”的全程可视化追溯。这不仅能够增强消费者对农产品质量的信任度，还能在发生质量问题时快速定位问题环节，实现精准召回。此外，应利用大数据分析技术优化物流路径规划与库存管理，通过人工智能算法实现供需精准匹配，避免盲目生产和库存积压，利用智慧系统实时监测运输环境，确保农产品质量，从而提升农产品的品牌溢价能力。
2）破除“制度性障碍”，消除资源配置效率提升的外部壁垒。首先，统一农产品流通标准，降低资源配置的交易成本。加快制定并推广农产品等级规格、包装尺寸、冷链温控等通用标准，减少因标准不一在流通节点造成的重复分拣与资源浪费，确保资源在跨区域、多主体间高效流转。其次，打破部门数据壁垒。落实国家数据要素相关政策，推动交通、农业、气象、供销社等部门数据依法合规向数字物流平台开放。建立部门间数据动态更新机制，形成涵盖生产、流通、消费全链路线，为资源配置效率的提升提供决策支持。
3）持续推进市场可达性建设。进一步提升快递基础设施建设，提升农村整体物流和电商水平，增强乡村产业连接市场的能力，通过提升农村产业融合发展水平带动农户参与产业融合。科学规划农村各种运输方式基础设施空间布局和建设时序，推进“互联网+”运输服务模式，缩短地区间的交通运行时间，提升农产品市场可达性，助力农业产业链现代化。
4）优化农村创业环境。首先，政府采用改善信息服务、创立专项的农民创业创新补助项目基金、实行税务减免措施等措施激发农村创业创新热情，引导大中专生返乡创业、吸引农工回乡创业，提升农村创业创新活动热情，为加快农业现代化的全产业链条注入活力。其次，组建农业科技推广中心，通过农业科技讲座、现场指导等形式为农民创新创业提供咨询、服务保障，改善农村创业环境。
5）政府在引导数字物流赋能农业产业链现代化时，应根据地理距离采取有差别的支持策略。利用数字物流平台的大数据，根据农业产业链的供需关系进行动态优化路径。首先，对于近距离：政策重点在于补偿与平衡。对因数字物流导致资源流出的边缘地区，给予数字化转型补贴，帮助其找到在产业链中的新定位。其次，对于中距离：政策重点在于激励与联通。对开通跨区域的物流企业给予优惠政策，鼓励其打通新路段。最后，对于远距离： 政策重点在于提效与降本。加大对数字化加工设施的补贴，通过提升农产品附加值来抵消远距离物流成本，以维持正向溢出效应。
6）因地制宜发挥数字物流优化各产区农业产业链现代化的作用。由于非粮食主产区数字物流的边际贡献率更高，应将其作为推动农业产业链现代化的新增长极。地方政府加大对农村数字化配送中心的投资力度，利用数字物流打破非主产区因耕地分散、规模不足导致的流通瓶颈，将“特色小农产品”对接“全国大市场”，加速农业产业链的数字化重构；而对于粮食主产区由于数字化转型相对滞后。建议主产区重点对现有粮食物流节点进行智能化升级，利用数字技术降低粮食损耗和运输成本。同时，引导数字物流平台与种粮大户对接，通过“数字订单”指导生产，解决主产区“高产低效”的问题。在高农业产业集聚区，应利用数字物流的促进作用，鼓励物流龙头企业与产业园区共建共享仓储、运力、数据资源，实现产、加、销一体化运作，将集聚区的成本优势进一步放大，打造区域农业品牌的核心竞争力；对于农业产业集聚度较低的地区，建议由政府引导，建立“共享物流”模式。通过财政补贴鼓励物流企业开通“定时、定点、定线”的货运班线，利用数字技术将分散的农户组织起来，通过“抱团”方式享受现代物流的便利，逐步提升本地集聚水平。南方农业多偏向高价值的经济作物、水产品等，对物流的时效性和保鲜要求极高。建议南方地区继续深化数字物流的冷链覆盖，发展“电商快递+生鲜农产品”的直采直送模式。利用物联网技术，实现全程可视化追溯，进一步提升农产品附加值而北方地区应重点关注数字物流在大宗农产品（如玉米、大豆、小麦）领域的应用，发展适合大宗商品的数字化散粮运输。
